Kurzfassung
Die vorliegende Arbeit beschäftigt sich mit der Implementierung von Teilen eines Registrierungsalgorithmus in der Compute Unified Device Architecture (CUDA) von NVIDIA und der daraus resultierenden Zeitersparnis. Es wurden die einzelnen Schritte des Registrierungsalgorithmus analysiert und auf ihre Parallelisierbarkeit untersucht. Die Implementierungen wurden anhand von 20 thorakalen CT-Datens ätzen evaluiert und der SpeedUp berechnet. Es wurde eine Beschleunigung vom Faktor 143 bei der TPS Interpolation und ein Faktor 12 beim Image Warping erreicht. Obwohl nur 2 Teilschritte auf der GPU umgesetzt wurden, konnte ein Speedup des Gesamtverfahren von 2.175 erreicht werden. Dies zeigt das eine GPU-Implementierung effizienter als eine CPU-basierte Parallelisierung sein kann.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Similar content being viewed by others
Literaturverzeichnis
Ehrhardt J, Werner R, Schmidt-Richberg A, et al. Statistical modeling of 4D respiratory lung motion using diffeomorphic image registration. IEEE Trans Med Imaging. 2010; p. 1–1. (accepted).
Schmidt-Richberg A, Ehrhardt J, Werner R, et al. Diffeomorphic diffusion registration of lung CT images. Med Image Anal for the Clin Grand Challenge. 2010; p. 55–62.
Modat M, Ridgway GR, Taylor ZA, et al. Fast free-form deformation using graphics processing units. Comput Methods Programs Biomed. 2010;98(3):278–84.
Köhn J, Drexl F, Köonig M, et al. GPU accelerated image registration in two and three dimensions. In: Proc BVM. Springer; 2006. p. 261–5.
Garcia V, Debreuve E, Barlaud M. Fast k nearest neighbor search using GPU. In: Proc CVPR Workshop on Computer Vision on GPU. Anchorage, Alaska, USA; 2008. p. 1–14.
Nguyen H. GPU Gems 3. Addison-Wesley Professional; 2007.
Amdahl GM. Validity of the single processor approach to achieving large scale computing capabilities. Proc AFIPS (Spring). 1967; p. 483–5.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2011 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Köhnen, S., Ehrhardt, J., Schmidt-Richberg, A., Handels, H. (2011). CUDA Optimierung von nicht-linearer oberflächen- und intensitätsbasierter Registrierung. In: Handels, H., Ehrhardt, J., Deserno, T., Meinzer, HP., Tolxdorff, T. (eds) Bildverarbeitung für die Medizin 2011. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-19335-4_22
Download citation
DOI: https://doi.org/10.1007/978-3-642-19335-4_22
Published:
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-642-19334-7
Online ISBN: 978-3-642-19335-4
eBook Packages: Computer Science and Engineering (German Language)